数据中台 画像标签_数据中台 - shelley张 - 博客园

一、数据中台是什么？“    是数据服务(Data API)工厂”，数据中台的核心是Data API。

对于业务的价值是“加速从数据到价值的过程，提高企业的响应能力“。

数据中台就是要将这些能力都沉淀到一个体系中，变成数据开发的能力，变成可以复用，二次加工的数据服务工厂，加快数据开发和协作的速度。

1.云计算为数据智能提供了基础算法

2.行业算法(经验转化而来的)是智能处理数据的主要工具。

3.数据+智能的平台和能力，前提是基础设施的云化和核心技术的互联网化。

[数据中台]：数据处理能力的框架，通常把这种能力框架称为

舆论往往会更强调技术的作用，强调技术对业务的推动作用，但事实上，在商业领域，更多的时候，技术发展都是跟着业务走的，技术的发展常常来自业务需求和业务场景的倒逼。

数据中台不是一套软件系统，也不是一个标准化产品。数据中台更多地指向企业的业务目标，也即帮助企业沉淀业务能力，提升业务效率，最终完成数字化转型。

第一阶段到第二阶段：主要解决数据的【看】，能够对业务进行评估；

第二阶段到第三阶段：解决数据的【用】，业务能够拿着评估结果去改进工作；

第三阶段到第四阶段：数据化运营，数据赋能业务高效运营。

即【一切业务数据化，一切数据业务化】

数据中台需要把云和端和起来

要通过数据来改善业务，就要和线上一样能做到行为可监测，数据可收集，这是前提。另外，要使用这些数据，要有云来存储和处理这些数据，并且最终通过AI算法来赋能业务来增长生意。

要做好数据中台，需要把两者合起来做。智能端负责数据的收集，云负责数据的存储、计算、赋能。端能够丰富云，云能够赋能端。

所以未来的数据中台一定是「AI驱动的数据中台」，这个中台的能力要包括「计算平台+算法模型+智能硬件」，不仅要在端上具备视觉数据的收集和分析能力，而且还要能通过Face ID，帮助企业去打通业务数据，最终建立线上线下触达和服务消费者的能力。

数据中台需要具备三大能力

1.数据模型能力

业务上，业务抽象能解决80%共性问题，开放的系统架构来解决20%的个性问题，但同时又要把平台上的业务逻辑分开，因为不同的业务逻辑之间可能有冲突。表现为数据的中心化，即数据的高内聚、低耦合

2.AI算法模型能力。

要实现数据业务化，前提是做到数据的资产化。

比如说数据的标签化，背后就有投入产出比的考量：通过标签，广告主可以非常方便快捷地去建立自己的人群包，实现精准营销，同时投放的ROI也是可见的、透明的，广告主可以自己去评估数据资产的使用情况。

3.行业的应用能力，即数据业务化能力

和数据中心化类似，数据业务化也需要很强的行业经验来指导，建立合适的业务场景，在场景里面去使用数据，从而体现数据的价值，来大大扩展数据在行业中的应用能力。

例如：人群画像越清晰，服务就会越精准

1)定义埋点规范，同一个人就用同一个标识，ID打通，也就是所谓的One ID；

其次，还会碰上一家人使用一个登录帐号的问题，那么就需要建立同人的数据模型，通过一些方式，比如，IP网段是不是一样，来分辨出具体的那个人，建立AID(Alibaba  ID)；

2)每个人还有各种网络行为，要如何把这些行为结构化，装到各种框架里面？需要把行为的分类树做出来。这个分类树非常细，甚至能够把一个人的发质都结构化了。

3)需要通过算法模型，把所有的标签都贴回到人上面。

4)把这些标签提供给广告主，让广告主能够通过标签去建立人群画像，进行人群细分，以及建立投放用的人群包。